CN110737795A - 相册封面的确定方法、装置、设备及存储介质 - Google Patents
相册封面的确定方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110737795A CN110737795A CN201910984542.XA CN201910984542A CN110737795A CN 110737795 A CN110737795 A CN 110737795A CN 201910984542 A CN201910984542 A CN 201910984542A CN 110737795 A CN110737795 A CN 110737795A
- Authority
- CN
- China
- Prior art keywords
- pictures
- category
- quality
- picture
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Abstract
本公开实施例公开了一种相册封面的确定方法、装置、设备及存储介质。包括:按照设定规则对相册中的图片进行低质过滤;对过滤后的图片进行类别划分,获得多种类别的图片;对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片;从每种类别下质量最高的图片中确定目标图片,将所述目标图片确定为所述相册的封面。本公开实施例提供的相册封面的确定方法,对相册中的图片按照类别分别进行质量评价,最后从每种类别下质量最高的图片中确定相册封面,可以提高封面确定的可靠性。
Description
技术领域
本公开实施例涉及图像识别技术领域,尤其涉及一种相册封面的确定方法、装置、设备及存储介质。
背景技术
随着移动终端相机功能的不断改进,用户采用移动终端拍摄大量的图片。终端会选择一张图片作为相册的封面。常规的做法是选择拍摄时间靠前的图片作为封面或者随机选择一张图片作为封面
现有技术,首先对图片进行质量评价,将质量高的图片作为封面。然而在对图片进行质量评价时,采用相同的规则进行评价,然而由于图片存在类别及风格的差异,该种方式选出的封面通常不符合用户的需求。
发明内容
本公开实施例提供一种相册封面的确定方法、装置、设备及存储介质,以实现对图片的质量评价,并提高封面确定的可靠性。
第一方面,本公开实施例提供了一种相册封面的确定方法,该包括:
按照设定规则对相册中的图片进行低质过滤;
对过滤后的图片进行类别划分,获得多种类别的图片;
对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片;
从每种类别下质量最高的图片中确定目标图片,将所述目标图片确定为所述相册的封面。
第二方面,本公开实施例还提供了一种相册封面的确定装置,该装置包括:
低质过滤模块,用于按照设定规则对相册中的图片进行低质过滤;
类别划分模块,用于对过滤后的图片进行类别划分,获得多种类别的图片;
质量评价模块,用于对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片;
相册封面确定模块,用于从每种类别下质量最高的图片中确定目标图片,将所述目标图片确定为所述相册的封面。
第三方面,本公开实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理装置;存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现如本公开实施例所述的相册封面的确定方法。
第四方面,本公开实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理装置执行时实现如本公开实施例所述的相册封面的确定方法。
本公开实施例,首先按照设定规则对相册中的图片进行低质过滤,然后对过滤后的图片进行类别划分,获得多种类别的图片,再然后对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片,最后从每种类别下质量最高的图片中确定目标图片,将目标图片确定为相册的封面。本公开实施例提供的相册封面的确定方法,对相册中的图片按照类别分别进行质量评价,最后从每种类别下质量最高的图片中确定相册封面,可以提高封面确定的可靠性。
附图说明
图1是本公开实施例一中的一种相册封面的确定方法的流程图;
图2是本公开实施例二中的一种相册封面的确定装置的结构示意图;
图3是本公开实施例三中的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
应当理解,本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。【序数词】
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
实施例一
图1为本公开实施例一提供的一种相册封面的确定方法的流程图,本实施例可适用于确定相册封面的情况,该方法可以由相册封面的确定装置来执行,装置可由硬件和/或软件组成,并一般可集成在具有相册封面的确定功能的设备中,该设备可以是服务器、移动终端或服务器集群等电子设备。如图1所示,该方法具体包括如下步骤:
步骤110,按照设定规则对相册中的图片进行低质过滤。
其中,低质过滤的方式可以是:将相册中满足如下至少一个条件的图片过滤掉:过曝、欠曝、模糊、尺寸超长和尺寸超宽。
具体的,对相册中的图片进行亮度检测,将亮度不满足要求(过曝或欠曝)的图片过滤掉;对相册中的图片进行模糊检测,将模糊图片过滤掉;对相册中的图片的尺寸进行检测,将尺寸不满足要求(尺寸超长或尺寸超宽)的图片过滤掉。
步骤120,对过滤后的图片进行类别划分,获得多种类别的图片。
其中,图片类别可以包括:自拍类、合照类、静物类、风景类、建筑类及宝宝类。
具体的,对过滤后的图片进行类别划分,获得多种类别的图片的方式可以是:对过滤后的图片进行图像识别,获得每张图片的内容信息;根据内容信息对图片进行类别划分,获得多种类别的图片。
本实施例中,对过滤后的图片进行图像识别时,首先对图片进行特征提取,根据特征确定图片包含的内容信息,根据内容信息将图片划分至对应的类别下。例如:特征提取后确定图片包含的内容为风景,则将该图片划分为风景类。可选的,假设一张图片包含两种或两种以上的内容信息,则可以根据内容信息在图片中所处的位置或者所占的比例确定图片所属的类别。示例性的,假设一张图片中包含的内容信息有自拍和风景,其中自拍的人脸处于图片的中心区域,则将该图片划分为自拍类。又比如:一张图片中包含的内容信息有风景和合照,其中合照中人在图片所占的比例很小,则将该图片归为风景类。
可选的,对过滤后的图片进行类别划分的方式还可以是,将图片输入图片分类模型中,以获得图片所属的类别。其中图片分类模型是经过大量图片样本对神经网络训练获得的,可准确的确定出图片所属的类别。
步骤130,对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片。
具体的,对相册中的图片类别划分之后,对每种类别下的图片分别进行质量评价,以获取每种类别下质量最高的图片。本实施例中,对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片的方式可以是:将每种类别下的图片输入各类别分别对应质量评价模型,获得每种类别下各图片的质量置信度;根据各图片的质量置信度确定每种类别下质量最高的图片。
其中,质量评价模型是采用不同类别的图片样本分别对设定神经网络训练获得的。不同图片类别对应不同的质量评价模型,如:图片类别包括自拍类、合照类、静物类、风景类、建筑类及宝宝类等,则质量评价模型也包括自拍类质量评价模型、合照类质量评价模型、静物类质量评价模型、风景类质量评价模型、建筑类质量评价模型及宝宝类质量评价模型等。根据图片所属的类别,将其输入对应的质量评价模型,从而获得该图片的质量置信度。
本实施例中,各类别对应的质量评价模型的训练过程可以是:采集各类别分别对应的图片,并对采集的图片进行质量标记,获得各类别分别对应的样本;基于各类别分别对应的样本对设定神经网络分别进行训练,获得各类别分别对应的质量评价模型。
其中,对采集的图片进行质量标记的方式可以人工标记,标记的形式可以是给图片进行评分,根据图片属于低质量、中等质量或者高等质量进行评分。具体的,采集大量的自拍类、合照类、静物类、风景类、建筑类及宝宝类图片,并进行质量标记,作为训练样本,最后基于各类别的样本分别对设定神经网络分别进行训练,获得各类别分别对应的质量评价模型。
步骤140,从每种类别下质量最高的图片中确定目标图片,将目标图片确定为相册的封面。
具体的,从每种类别下质量最高的图片中确定目标图片的方式可以是:将每种类别下质量最高的图片中质量置信度最高的图片确定为目标图片;或者,在每种类别下质量最高的图片中随机选择一张确定为目标图片。
本实施例的技术方案,首先按照设定规则对相册中的图片进行低质过滤,然后对过滤后的图片进行类别划分,获得多种类别的图片,再然后对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片,最后从每种类别下质量最高的图片中确定目标图片,将目标图片确定为相册的封面。本公开实施例提供的相册封面的确定方法,对相册中的图片按照类别分别进行质量评价,最后从每种类别下质量最高的图片中确定相册封面,可以提高封面确定的可靠性。
实施例二
图2为本公开实施例二提供的一种相册封面的确定装置的结构示意图。如图2所示,该装置包括:低质过滤模块210,类别划分模块220,质量评价模块230和相册封面确定模块240。
低质过滤模块210,用于按照设定规则对相册中的图片进行低质过滤;
类别划分模块220,用于对过滤后的图片进行类别划分,获得多种类别的图片;
质量评价模块230,用于对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片;
相册封面确定模块240,用于从每种类别下质量最高的图片中确定目标图片,将目标图片确定为相册的封面。
可选的,低质过滤模块210,还用于:
将相册中满足如下至少一个条件的图片过滤掉:过曝、欠曝、模糊、尺寸超长和尺寸超宽。
可选的,类别划分模块220,还用于:
对过滤后的图片进行图像识别,获得每张图片的内容信息;
根据内容信息对图片进行类别划分,获得多种类别的图片。
可选的,质量评价模块230,还用于:
将每种类别下的图片输入各类别分别对应质量评价模型,获得每种类别下各图片的质量置信度;
根据各图片的质量置信度确定每种类别下质量最高的图片。
可选的,相册封面确定模块240,还用于:
将每种类别下质量最高的图片中质量置信度最高的图片确定为目标图片;或者,在每种类别下质量最高的图片中随机选择一张确定为目标图片。
可选的,还包括:质量评价模型获取模块,用于:
采集各类别分别对应的图片,并对采集的图片进行质量标记,获得各类别分别对应的样本;
基于各类别分别对应的样本对设定神经网络分别进行训练,获得各类别分别对应的质量评价模型。
可选的,图片类别包括:自拍类、合照类、静物类、风景类、建筑类及宝宝类。
上述装置可执行本公开前述所有实施例所提供的方法,具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本公开前述所有实施例所提供的方法。
实施例三
下面参考图3,其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端,或者各种形式的服务器,如独立服务器或者服务器集群。图3示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储装置(ROM)302中的程序或者从存储装置305加载到随机访问存储装置(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行词语的推荐方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置305被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开实施例的方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:按照设定规则对相册中的图片进行低质过滤;对过滤后的图片进行类别划分,获得多种类别的图片;对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片;从每种类别下质量最高的图片中确定目标图片,将所述目标图片确定为所述相册的封面。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开实施例的一个或多个实施例,本公开实施例提供了一种相册封面的确定方法,包括:
按照设定规则对相册中的图片进行低质过滤;
对过滤后的图片进行类别划分,获得多种类别的图片;
对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片;
从每种类别下质量最高的图片中确定目标图片,将所述目标图片确定为所述相册的封面。
进一步地,按照设定规则对相册中的图片进行低质过滤,包括:
将相册中满足如下至少一个条件的图片过滤掉:过曝、欠曝、模糊、尺寸超长和尺寸超宽。
进一步地,对过滤后的图片进行类别划分,获得多种类别的图片,包括:
对过滤后的图片进行图像识别,获得每张图片的内容信息;
根据所述内容信息对图片进行类别划分,获得多种类别的图片。
进一步地,对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片,包括:
将每种类别下的图片输入各类别分别对应质量评价模型,获得每种类别下各图片的质量置信度;
根据各图片的质量置信度确定每种类别下质量最高的图片。
进一步地,从每种类别下质量最高的图片中确定目标图片,包括:
将每种类别下质量最高的图片中质量置信度最高的图片确定为目标图片;或者,在每种类别下质量最高的图片中随机选择一张确定为目标图片。
进一步地,在将每种类别下的图片输入各类别分别对应质量评价模型之前,还包括:
采集各类别分别对应的图片,并对采集的图片进行质量标记,获得各类别分别对应的样本;
基于各类别分别对应的样本对设定神经网络分别进行训练,获得各类别分别对应的质量评价模型。
进一步地,图片类别包括:自拍类、合照类、静物类、风景类、建筑类及宝宝类。
注意,上述仅为本公开的较佳实施例及所运用技术原理。本领域技术人员会理解,本公开不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本公开的保护范围。因此,虽然通过以上实施例对本公开进行了较为详细的说明,但是本公开不仅仅限于以上实施例,在不脱离本公开构思的情况下,还可以包括更多其他等效实施例,而本公开的范围由所附的权利要求范围决定。
Claims (10)
1.一种相册封面的确定方法,其特征在于,包括:
按照设定规则对相册中的图片进行低质过滤;
对过滤后的图片进行类别划分,获得多种类别的图片;
对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片;
从每种类别下质量最高的图片中确定目标图片,将所述目标图片确定为所述相册的封面。
2.根据权利要求1所述的方法,其特征在于,按照设定规则对相册中的图片进行低质过滤,包括:
将相册中满足如下至少一个条件的图片过滤掉:过曝、欠曝、模糊、尺寸超长和尺寸超宽。
3.根据权利要求1所述的方法,其特征在于,对过滤后的图片进行类别划分,获得多种类别的图片,包括:
对过滤后的图片进行图像识别,获得每张图片的内容信息;
根据所述内容信息对图片进行类别划分,获得多种类别的图片。
4.根据权利要求1所述的方法,其特征在于,对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片,包括:
将每种类别下的图片输入各类别分别对应的质量评价模型,获得每种类别下各图片的质量置信度;
根据各图片的质量置信度确定每种类别下质量最高的图片。
5.根据权利要求4所述的方法,其特征在于,从每种类别下质量最高的图片中确定目标图片,包括:
将每种类别下质量最高的图片中质量置信度最高的图片确定为目标图片;或者,在每种类别下质量最高的图片中随机选择一张确定为目标图片。
6.根据权利要求4所述的方法,其特征在于,所述各类别分别对应的质量评价模型通过如下步骤获得:
采集各类别分别对应的图片,并对采集的图片进行质量标记,获得各类别分别对应的样本;
基于各类别分别对应的样本对设定神经网络分别进行训练,获得各类别分别对应的质量评价模型。
7.根据权利要求1-6任一所述的方法,其特征在于,图片类别包括:自拍类、合照类、静物类、风景类、建筑类及宝宝类。
8.一种相册封面的确定装置,其特征在于,包括:
低质过滤模块,用于按照设定规则对相册中的图片进行低质过滤;
类别划分模块,用于对过滤后的图片进行类别划分,获得多种类别的图片;
质量评价模块,用于对每种类别下的图片分别进行质量评价,获得每种类别下质量最高的图片;
相册封面确定模块,用于从每种类别下质量最高的图片中确定目标图片,将所述目标图片确定为所述相册的封面。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理装置;存储装置,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理装置执行,使得所述一个或多个处理装置实现如权利要求1-7中任一所述的相册封面的确定方法。
10.一种计算机可读介质,其上存储有计算机程序,其特征在于,该程序被处理装置执行时实现如权利要求1-7中任一所述的相册封面的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910984542.XA CN110737795A (zh) | 2019-10-16 | 2019-10-16 | 相册封面的确定方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910984542.XA CN110737795A (zh) | 2019-10-16 | 2019-10-16 | 相册封面的确定方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110737795A true CN110737795A (zh) | 2020-01-31 |
Family
ID=69269043
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910984542.XA Pending CN110737795A (zh) | 2019-10-16 | 2019-10-16 | 相册封面的确定方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110737795A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111291829A (zh) * | 2020-03-03 | 2020-06-16 | 支付宝(杭州)信息技术有限公司 | 一种精选图片的自动确定方法和系统 |
CN111859022A (zh) * | 2020-07-07 | 2020-10-30 | 咪咕文化科技有限公司 | 封面生成方法、电子设备及计算机可读存储介质 |
CN112651321A (zh) * | 2020-12-21 | 2021-04-13 | 浙江商汤科技开发有限公司 | 档案处理方法、装置及服务器 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170300782A1 (en) * | 2016-04-18 | 2017-10-19 | International Business Machines Corporation | Methods and systems of personalized photo albums based on social media data |
CN108628985A (zh) * | 2018-04-27 | 2018-10-09 | 维沃移动通信有限公司 | 一种相册的处理方法及移动终端 |
CN109118470A (zh) * | 2018-06-26 | 2019-01-01 | 腾讯科技(深圳)有限公司 | 一种图像质量评价方法、装置、终端和服务器 |
CN109345522A (zh) * | 2018-09-25 | 2019-02-15 | 北京市商汤科技开发有限公司 | 一种图像质量筛选方法及装置、设备和存储介质 |
CN110163236A (zh) * | 2018-10-15 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 模型的训练方法和装置、存储介质、电子装置 |
-
2019
- 2019-10-16 CN CN201910984542.XA patent/CN110737795A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170300782A1 (en) * | 2016-04-18 | 2017-10-19 | International Business Machines Corporation | Methods and systems of personalized photo albums based on social media data |
CN108628985A (zh) * | 2018-04-27 | 2018-10-09 | 维沃移动通信有限公司 | 一种相册的处理方法及移动终端 |
CN109118470A (zh) * | 2018-06-26 | 2019-01-01 | 腾讯科技(深圳)有限公司 | 一种图像质量评价方法、装置、终端和服务器 |
CN109345522A (zh) * | 2018-09-25 | 2019-02-15 | 北京市商汤科技开发有限公司 | 一种图像质量筛选方法及装置、设备和存储介质 |
CN110163236A (zh) * | 2018-10-15 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 模型的训练方法和装置、存储介质、电子装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111291829A (zh) * | 2020-03-03 | 2020-06-16 | 支付宝(杭州)信息技术有限公司 | 一种精选图片的自动确定方法和系统 |
CN111859022A (zh) * | 2020-07-07 | 2020-10-30 | 咪咕文化科技有限公司 | 封面生成方法、电子设备及计算机可读存储介质 |
CN112651321A (zh) * | 2020-12-21 | 2021-04-13 | 浙江商汤科技开发有限公司 | 档案处理方法、装置及服务器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11637797B2 (en) | Automated image processing and content curation | |
CN111340131B (zh) | 图像的标注方法、装置、可读介质和电子设备 | |
CN108885639B (zh) | 内容集合导航和自动转发 | |
CN104866501B (zh) | 电子旅行相册生成方法和系统 | |
CN107977390B (zh) | 绘本识别方法、装置、系统及电子设备 | |
CN109074390B (zh) | 用于媒体集的生成、策展和呈现的方法和系统 | |
CN110737795A (zh) | 相册封面的确定方法、装置、设备及存储介质 | |
US9836826B1 (en) | System and method for providing live imagery associated with map locations | |
US11100357B2 (en) | Real-time micro air-quality indexing | |
CN110991373A (zh) | 图像处理方法、装置、电子设备及介质 | |
CN106789565A (zh) | 社交内容分享方法及装置 | |
CN111027450A (zh) | 银行卡信息识别方法、装置、计算机设备及存储介质 | |
WO2019034151A1 (zh) | 图片管理方法、装置、电子设备及可读存储介质 | |
CN113033677A (zh) | 视频分类方法、装置、电子设备和存储介质 | |
CN108292321B (zh) | 一种文件保存方法及电子设备 | |
CN114650361B (zh) | 拍摄模式确定方法、装置、电子设备和存储介质 | |
CN111626922B (zh) | 图片生成方法、装置、电子设备及计算机可读存储介质 | |
CN113128470B (zh) | 笔划识别方法、装置、可读介质及电子设备 | |
CN111586295B (zh) | 图像生成方法、装置和电子设备 | |
CN111414921A (zh) | 样本图像处理方法、装置、电子设备及计算机存储介质 | |
CN114648713A (zh) | 视频分类方法、装置、电子设备及计算机可读存储介质 | |
CN111599417A (zh) | 溶解度预测模型的训练数据获取方法及装置 | |
CN111353063A (zh) | 图片显示方法、装置及存储介质 | |
CN117809132A (zh) | 违规搭建识别模型训练方法、违规搭建识别方法及装置 | |
CN111860511A (zh) | 图像拍摄地点获取方法、装置、数据处理设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |